学位论文 > 优秀研究生学位论文题录展示

基于机器视觉技术的水稻营养快速诊断研究

作　者: 刘江桓
导　师: 唐建军
学　校: 江西农业大学
专　业: 计算机应用技术
关键词: 机器视觉氮素营养诊断水稻
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 47次
引　用: 0次
阅　读: 论文下载

内容摘要

氮肥作为众多肥料当中关键的一种,关系到作物的生长发育状况以及产量,合理施氮对增加作物产量、提高产品质量、实现资源的可持续利用等有着非常重要的意义。作为江西省最主要的作物——水稻,实现对其氮营养的诊断有着举足轻重的作用。至今已经研究出的水稻快速诊断技术大都是依据光谱反射和吸收原理的,这些技术一般都会受到品种、环境等因素的影响。本研究以不同品种、不同氮素含量、且具有不同叶片特征的水稻为研究样本,利用计算机视觉技术对水稻植株颜色分量进行分析,探索它们与稻株体内氮素营养关系,获得与环境条件、品种无关的氮素营养快速诊断参数,从而为低成本的、且具有一定准确度的水稻快速氮素营养诊断仪器的开发提供参考。本研究中,在水稻的不同生长时期将水稻叶片采摘下来,然后利用扫描仪获取水稻叶片的图像,利用计算机对捕获的水稻图像进行预处理,将叶片的各个部分独立出来,并用叶片的颜色分量与叶片的氮素含量进行拟合分析。经过以上分析,找出与品种及氮素水平无关的植株体内氮素含量的表示方法,并找出哪片叶更能描述叶片的含氮量或者整株的含氮量,以及哪一部分的颜色与氮素含量更相关。研究发现,稻株的顶3叶对植株全氮最为敏感,适合作为营养诊断的参考对象。通过对叶片颜色特征与植株全氮的分析发现G以及G/(R+G+B)与植株全氮之间有最高的相关性,通过选取它们作为参数,建立了水稻氮素营养诊断模型,并对该模型的识别率进行了验证,结果表明,它有较好的识别率,能为科学施肥提供一定的依据。

全文目录

摘要  3-4
ABSTRACT  4-7
第一章绪论  7-14
  1.1 选题背景和意义  7-9
    1.1.1 选题背景  7-8
    1.1.2 选题意义  8-9
  1.2 国内外研究现状  9-12
  1.3 论文主要工作和组织结构  12-14
    1.3.1 主要工作  12-13
    1.3.2 组织结构  13-14
第二章机器视觉技术基本原理  14-31
  2.1 机器视觉技术  14-21
    2.1.1 机器视觉技术概述  14-17
    2.1.2 机器视觉的关键技术  17-21
  2.2 颜色模型  21-26
    2.2.1 RGB颜色模型  21-22
    2.2.2 HIS颜色模型  22-24
    2.2.3 HSV颜色模型  24-25
    2.2.4 Lab颜色模型  25-26
  2.3 氮素营养诊断  26-30
    2.3.1 氮素对作物生长的影响  26-27
    2.3.2 营养诊断常用方法  27-30
  2.4 本章小结  30-31
第三章材料和方法  31-43
  3.1 实验设计  31-33
    3.1.1 实验材料与设备  31
    3.1.2 研究方法  31-32
    3.1.3 技术路线  32-33
  3.2 图像处理  33-42
    3.2.1 单株水稻图像的获取  33-35
    3.2.2 图像预处理  35-36
    3.2.3 图像分割  36-39
    3.2.4 叶片特征信息提取  39-42
  3.3 本章小结  42-43
第四章基于机器视觉技术的氮素营养诊断研究  43-57
  4.1 氮素营养水平诊断研究  43-55
    4.1.1 测氮数据  43-45
    4.1.2 不同氮素水平水稻的颜色特征分析  45-48
    4.1.3 叶片的颜色特征与稻株的全氮量间的关系分析  48-55
  4.2 水稻氮营养的诊断模型  55-56
    4.2.1 模型的建立  55
    4.2.2 结果分析  55-56
  4.3 本章小结  56-57
第五章结论与展望  57-58
  5.1 结论  57
  5.2 展望  57-58
参考文献  58-61
致谢  61

基于机器视觉技术的水稻营养快速诊断研究

内容摘要

全文目录

相似论文